Quantinuum kunngjør Quantum Monte Carlo-integrasjonsmotor - høyytelses databehandlingsnyhetsanalyse | inne i HPC

Quantinuum kunngjør Quantum Monte Carlo Integration Engine – Høyytelses databehandlingsnyhetsanalyse | inne i HPC

Quantinuum kunngjør Quantum Monte Carlo-integrasjonsmotor - høyytelses databehandlingsnyhetsanalyse | inne i HPC PlatoBlockchain Data Intelligence. Vertikalt søk. Ai.
CAMBRIDGE, Storbritannia, 12. september 2023 – Quantum computing-selskapet Quantinuum sa at det har publisert detaljer om deres Quantum Monte Carlo Integration (QMCI)-motor. Selskapet sa at QMCI gjelder problemer som ikke har noen analytisk løsning, for eksempel å prise finansielle derivater eller simulere resultatene av høyenergipartikkelfysikkeksperimenter.
QMCI-verktøyet, som bruker kvantealgoritmer, vil tillate kvantedatamaskiner å utføre estimeringer mer effektivt og nøyaktig enn tilsvarende klassiske verktøy, sa Quantinuum, og utledet en tidlig kvantefordel på områder som derivatprising, porteføljerisikoberegninger og regulatorisk rapportering. En hvitbok som støtter det nye verktøyet avslører at QMCI drar nytte av en beregningsmessig kompleksitetsfordel i forhold til klassisk MCI, og antyder at motoren har potensial til å gi kvantenytte i sin nåværende form.
Hvitboken, En modulær motor for Quantum Monte Carlo-integrasjon, har blitt gjort tilgjengelig på arXiv, og beskriver blant annet "the enhanced P-builder", et verktøy for å konstruere kvantekretser som representerer vanlige beregningsmetoder brukt i finans. Hvitboken foreslår også hvordan brukere av det nye verktøyet kan oppnå kvantefordeler uten å kompromittere statistisk robusthet i de påfølgende estimatene.
Ilyas Khan, Chief Product Officer for Kvantinuum sa «Quantinuums ende-til-ende QMCI-motor – den første komplette kvanteløsningen noensinne, gir utsikter til et umiddelbar løft til produktiviteten til brukere i minst to sektorer: bank- og finansinstitusjoner, og forskere som forventer at kvantedatamaskiner skal hjelpe dem behandle de enorme datamengdene som genereres i eksperimentelle felt som høyenergifysikk. QMCI-motoren vår er kulminasjonen av mange års arbeid fra algoritmeteamet vårt, og fremhever hvordan kvantedatamaskiner vil tilby praktisk nytte. Vår modulære tilnærming ‘fremtidssikrer’ også motoren ettersom kvantedatamaskinvare utvikler seg.»
Motoren har fire moduler – lastesannsynlighetsfordelinger og tilfeldige prosesser som kvantekretser; programmere et bredt utvalg av økonomiske beregninger; programmere forskjellige statistiske størrelser (f.eks. gjennomsnitt, varians og andre); og estimering av kvanteamplitude, som er kjernekilden til beregningsfordeler i QMCI. Motoren har en ressursmodus, som nøyaktig kvantifiserer de nøyaktige kvanteressursene og de klassiske ressursene som trengs for brukerspesifiserte beregninger – en funksjon som er avgjørende for å forutsi når bestemte applikasjoner vil ha kvantefordeler. Dermed avslører papiret en direkte siktelinje til kvantefordeler og konkluderer med at brukere vil oppnå nyttige fordeler raskere.
Dr. Steven Herbert sa: "QMCI-motoren benytter seg av raskt økende etterspørsel etter verktøy som hjelper globale organisasjoner innen finans og andre sektorer med å utforske og evaluere veien mot kvantefordeler. Klassisk Monte Carlo-integrasjon er den foretrukne metoden i en rekke beregningsområder der analytiske løsninger ikke er tilgjengelige, og det er allment anerkjent at disse metodene vil dra nytte av en kvantefordel. Ved å ta en modulær tilnærming, vil vi utstyre de vitenskapelige og finansielle fagfolkene med en plattform som støtter dem fleksibelt gjennom raske teknologiske fremskritt i årene som kommer."
Den nye hvitboken angir områdene som kan dra nytte av utviklingen av QMCI, utover finans, inkludert oppnåelse av effektivitet i forsyningskjeden og logistikk, energiproduksjon og overføring, og dataintensive vitenskapsfelt som å løse de høydimensjonale integralene i høyenergifysikk. Den konkluderer med at brukstilfeller som estimering og prognoser kan dra nytte av den nye QMCI-motoren i sin nåværende form.

Tidstempel:

Mer fra Inne i HPC